Partea 2: Conectivitate funcțională între centrele de memorie și de recompensă pentru sarcini și odihnă Urmăriți sensibilitatea memoriei la recompensă

pentru mai multe informații:ali.ma@wecistanche.com

Vă rugăm să faceți clic aici pentru partea 1

dați clic aici pentru partea 3

Analiză de varianţă abordare

Pentru a testa dacă modelele de conectivitate sunt legate dememoriesensibilitatea la recompensă și dacă această relație este stabilă în etapele sarcinii, valorile de conectivitate au fost transmise la două ANOVA cu măsuri repetate. Prima ANOVA a inclus doar date de repaus (pre-codificare, post-codificare), asemănătoare lucrărilor anterioare privind conectivitatea stării de repaus (Gruber et al., 2016). Al doilea ANOVA a inclus toate cele trei etape ale sarcinii (repaus pre-codificare, sarcină de codificare, pauză post-codificare), cu serii de timp de repaus filtrate cu trecere-jos pentru comparație cu seriile de timp ale sarcinii. În plus față de stadiul sarcinii ca factor în cadrul subiectului, au fost incluse și ambele ANOVAmemoriestructura (hipocampus, PHC) și structura recompensei (ACC, midbrain, MPFC, OFC, VS) ca factori în interiorul subiectului și statutul modulator (modulator, nonmodulator) ca factor între subiecți.

Apasa peCistanche NZ pentru memorie

Următoarele efecte au fost relevante pentru întrebările noastre de interes: (1) efectul principal și interacțiunile stării modulatorului, testând dacă modelele de conectivitate sunt legate de diferențele individuale înmemoriesensibilitate la recompensă; (2) efectul principal și interacțiunile factorului de etapă a sarcinii, testând ideea că modelele de conectivitate pot fi relativ stabile între sarcini și odihnă, precum și urmărirea diferențelor individuale înmemoriesensibilitate la recompensă; (3) interacțiunile factorului regiunii recompense cu statutul modulatorului, testând dacă toate regiunile recompensei contribuie în mod similar sau diferențiat. De remarcat, efectul principal al regiunii recompense și efectul principal almemorieregiunea nu a fost de interes, deoarece valoarea generală a conectivității funcționale poate depinde de distanța fizică dintre regiuni și de dimensiunea unei regiuni și poate să nu fie ușor de interpretat (Honey și colab., 2009; Salvador și colab., 2005). Când a fost găsită o interacțiune, am continuat cu o investigație a locului interacțiunii. În timp ce raportul se concentrează pe efectele de interes, rezultatele complete ANOVA sunt raportate în tabele. Corecțiile Geisser cu efect de seră au fost utilizate atunci când este cazul, raportate în tabele ca „GG”. Pentru a valida faptul că constatările noastre nu au fost determinate de tratamentmemoriesensibilitatea la recompensă ca variabilă binară, am retestat efectele semnificative de interes din ambele ANOVA utilizând ANCOVA, cu măsurarea continuă a modulării comportamentale a recompensei ca covariabilă.

Funcţional relatii printre conexiuni

Observarea efectelor modulatoare comparabile sau diferențiale între mai multe ROI a recompensei în ANOVA oferă o indicație pentru contribuțiile unice sau uniforme ale regiunilor de recompensă la modularea recompensei.memorie. Pentru a testa mai direct dacă regiunile de recompensă fac parte din aceeași rețea funcțională, am examinat suplimentar structura lor corelațională. Am efectuat două analize ale componentelor principale: una pe valorile de conectivitate numai în repaus (fără filtru trece-jos pentru a menține informații despre fluctuațiile de frecvență înaltă) și una care a inclus toate valorile conectivității în sarcină și repaus (folosind timp filtrat cu trece-jos). serie pentru preprocesarea sarcinii și restului comparabile). Componentele au fost luate în considerare pentru o analiză ulterioară atunci când au explicat cel puțin 10 la sută din varianță. Pentru fiecare componentă luată în considerare, am testat în continuare probabilitatea de a obține o astfel de componentă întâmplător, utilizând o comparație cu o distribuție nulă a componentelor. Pentru a obține distribuția nulă, am efectuat 10000 analize de componente principale simulate pe datele obținute prin amestecarea aleatorie a valorilor de conectivitate între participanți, separat pentru fiecare conexiune. Procentul de varianță explicat de fiecare componentă (primul cel mai informativ, al doilea cel mai informativ etc.) a fost apoi comparat cu procentul explicat al distribuției nule. Aceleași rezultate ar fi obținute prin testarea valorilor proprii.

Încărcările pentru fiecare componentă au fost comparate pentru cele cinci rentabilitate a recompensei folosind ANOVA unidirecțional, iar scorurile componentelor au fost apoi legate de modularea comportamentală a recompensei folosind regresia multiplă. Utilizarea reducerii dimensionalității înainte de regresia multiplă ne-a permis să testăm modul în care componentele subiacente, sau potențialele rețele de regiuni, au contribuit la relația conectivitate-comportament, ținând cont în același timp de coliniaritatea dintre valorile de conectivitate și limitând într-o manieră bazată pe date numărul de predictori luați în considerare. .

Conectivitate model clasificare

În timp ce testele tradiționale de inferență, cum ar fi analiza varianței, testează probabilitatea ca diferențele observate între grupuri să apară doar întâmplător, abordările de clasificare a învățării automate ne permit să cuantificăm mai direct cât de bine se pot distinge participanții unul de altul pe baza modelului lor de conectivitate. Am folosit Support Vector Classification (SVC) pentru a testa gradul în care participanții pot fi clasificați fie ca modulatori, fie ca non-modulatori, pe baza modelului lor de conectivitate între cele zece conexiuni ROI (2memorieROI × 5 recompense ROI).

SVC a fost implementat folosind pachetul de analiză statistică „e1071” (Meyer, Dimitriadou, Hornik, Weingessel și Leisch, 2017) și a fost realizat separat în cadrul fiecărei etape a sarcinii. Parametrii impliciti pentru nu-clasificare au fost utilizați (C=1, ε= 0.1,=0.1, fără reglare) cu un nucleu de funcție de bază radială. Am folosit o abordare de validare încrucișată cu excluderea unui subiect, antrenând modelul pe N-1 subiecți și apoi aplicând clasificatorul antrenat pentru a prezice starea modulatorului subiectului reținut. Procesul a fost repetat deoarece fiecare subiect la rândul său a fost reținut din setul de antrenament și folosit pentru a testa modelul. Precizia modelului a fost înregistrată ca procent de clasificări corecte. Un test de permutare a fost folosit pentru a testa semnificația. Am efectuat 5,000 simulări, de fiecare dată amestecând aleatoriu etichetele de stare a modulatorului între participanți și apoi calculând aceeași precizie de clasificare validată încrucișat, lăsați-un singur subiect, ca și în cazul datelor reale. Adevărata acuratețe a clasificatorului a fost comparată cu distribuția acuratețelor de clasificare simulate pentru a deriva probabilitatea de a obține o astfel de acuratețe doar întâmplător. Acuratețe care a avut loc cu probabilitate mai mică dep= 0.017 a fost considerat semnificativ, reflectând corecția Bonferroni în trei etape de activitate pentru un alfa general=0.05.

Pentru a verifica că rezultatele nu au fost determinate de abordarea de împărțire mediană, regresia vectorului de suport (SVR) a fost utilizată pentru a prezice măsurile continue de modulare a recompensei comportamentale (scor BRM) pentru fiecare participant din conectivitatea măsurată la fiecare etapă a sarcinii. Același pachet statistic, parametri impliciti și validarea încrucișată excluzând un singur subiect

abordarea a fost utilizată pentru SVR așa cum a fost folosită pentru SVC. Valorile BRM prezise pentru fiecare subiect au fost apoi corelate cu valorile BRM observate pentru a evalua dacă individul

diferențele de tipare de conectivitate conțin informații despre diferențele individuale în modularea comportamentală a recompenseimemorie. Am folosit corecții Bonferroni pentru cele trei corelații (alfa=0,05/3=0,017).

Complementar conectivitate analize

În plus față de principalele întrebări de interes, studiul actual oferă date adecvate pentru a aborda întrebările din studiile anterioare privind modularea recompensei.memorie. Am efectuat două seturi de analize exploratorii care mențin accentul pe conectivitate și pot fi informative pentru cititori, chiar dacă nu abordează în mod direct obiectivele principale ale studiului.

Corelații între conectivitate schimbări și comportament-ANOVA, PCA,

și abordările de învățare automată sunt potrivite pentru testarea rolului unui set larg de regiuni de recompensă și a ipotezei amprentei conectivității, în special pentru setul mai mare de conexiuni aferente luate în considerare aici. În schimb, studiile anterioare privind modularea recompenseimemories-au concentrat de obicei pe conexiuni unice și pe efectele legate de învățare, raportând corelații de ordinul întâi legate de creșterea conectivității de codificare pre-post-codificare. În timp ce un rol disproporționat al repausului post-codificare ar putea fi indicat de un modulator semnificativ în funcție de interacțiunea etapei sarcinii în ANOVA, am dorit, de asemenea, să generăm date direct comparabile cu studiile anterioare. Astfel, am calculat suplimentar modificările de conectivitate pre-to-post pentru fiecare conexiune și le-am corelat cu BRM. Deoarece disponibilitatea crescută a dopaminei în lobul temporal medial poate îmbunătăți codificarea în general (Duncan și colab., 2014; Lisman și colab., 2011), am corelat, de asemenea, valorile conectivității cu ratele generale de reamintire pentru fiecare participant.

Anterior și posterior diferențe încelhipocamp -Lucrările anterioare sugerează

există diferențe funcționale între porțiunile anterioare și posterioare ale hipocampului (Brunec și colab., 2018; McKenzie și colab., 2014; Poppenk, Evensmoen, Moscovitch și Nadel, 2013). În contextul învățării motivate de recompensă, totuși, dovezile pentru contribuțiile diferențiale ale hipocampului anterior și posterior lipsesc sau sunt conflictuale (Murty și colab., 2017; Wolosin și colab., 2013). Am efectuat analize exploratorii ale modelelor de conectivitate hipocampului anterior/posterior pentru a testa dacă modelele lor de conectivitate sau modificările de conectivitate sunt legate diferențiat de comportamentul în paradigma noastră.

Secțiunea de mijloc a ROI a hipocampului fiecărui participant a fost folosită ca limită pentru diviziunile anterioare și posterioare. Pentru participanții care au avut un număr impar de felii în ROI hipocampus, felia de mijloc a fost atribuită porțiunii posterioare. ROI-urile au fost apoi folosite pentru a extrage seriile temporale în timpul fiecărei scanări de odihnă și activitate. Conectivitatea dintre hipocampul anterior și posterior cu fiecare regiune de recompensă a fost măsurată folosind procedurile prezentate mai sus. Diferențele funcționale dintre hipocampul anterior și posterior au fost testate folosind ANOVA cu măsuri repetate cu ROI hipocampal (anterior, posterior) × stadiul sarcinii (pre-codificare, codificare, post-codare) × ROI recompensă (ACC, midbrain, MPFC, OFC, VS) ca factori în cadrul subiectului și statutul de modulator ca factor între subiecți. De interes principal a fost interacțiunea dintre ROI hipocampal și starea modulatorului, testând dacă hipocampul anterior și posterior au legătură diferențială cu

modularea recompenseimemorie.

Rezultate

Comportamental rezultate

Performanța generală medie a reamintirii a fost de 0,48 (SD= 0.19). O ANOVA de măsurători repetate de 2 (formă vizuală a indiciului de recompensă) × 3 (valoarea indiciului de recompensă) a dezvăluit un efect marginal semnificativ al valorii recompensei (F(1.18,27.03) = 3.86, p= 0.054, η2p= 0.14, GG), cu un pătratic semnificativ (F(1,23) = 9.93, p= 0.004, η2p= 0.30) mai degrabă decât un efect liniar (F(1,23) = 1.97, p= 0.174). Comparațiile pe perechi ulterioare au arătat că efectul pătratic a fost determinat de o mai mare reamintire a testelor în dolari (M= 0.53, SD= 0.20; t(23) = 2.41, p= 0.024) și, în mod neașteptat, procese penny (M= 0.47, SD= 0.22; t(23) = 2.45, p= 0.022) în comparație cu testele de dime (M= 0.44, SD= 0.22). Diferența dintre testele în dolari și bănuți nu a atins semnificație (t(23) = 1.40, p= 0.174). Nu a existat niciun efect principal al formei vizuale (F(1,23) = 0.04, p= 0.840, η2p= 0.002) nici o interacțiune între formă și valoare (F(2,46) = 1.66, p= 0.202, η2p= 0.07). Astfel, preciziile au fost prăbușite în forma vizuală și utilizate pentru toate analizele ulterioare. Ratele de reamintire indicate pentru fiecare valoare a recompensei și condiție de formă sunt prezentate în Fig.3a.

Un eșantion comportamental separat (n=20) a relevat un efect principal semnificativ al valorii (F(1.23, 27.6) = 14.1, p= 0.001, GG), descris în mod comparabil ca liniar (F(1,19) = 15.5, p= 0.001) sau pătratică (F(1,19) = 10.8, p= 0.004). Similar cu eșantionul fMRI, acuratețea reamintirii a fost mai mare pentru testele în dolari (M= 0.61, SD= 0.19) decât pentru testele de dime (M= 0.44, SD= 0.21; t(19) = 3.83, p= 0.001). Spre deosebire de proba fMRI, proba comportamentală a arătat amemorieavantaj pentru testele în dolari în comparație cu testele penny (M= 0.44, SD= 0.19; t(19)=3.94, p=0.001) și nicio diferență între încercările penny și dime (t(19)=0.17, p=0.87 ).

În timp ce modelul în formă de U al acuratețelor de reamintire în eșantionul fMRI a fost neașteptat și nu s-a replicat în eșantionul comportamental separat, efectele de recompensă neliniare sunt plauzibile (Elliott, Newman, Longe și Deakin, 2003). De exemplu, încercările penny ar fi putut fi percepute ca o pierdere în raport cu încercările (neutre), făcându-le mai importante pentru codificare (Bartra, McGuire, & Kable, 2013; Seymour & McClure, 2008; Shigemune, Tsukiura, Kambara, & Kawashima, 2014; Tversky & Kahneman, 1981). Deoarece diferența dintre testele în dolari și bănuți nu a fost semnificativă și pentru că atât penny, cât și dolarul ar putea avea o importanță sporită pentru persoanele sensibile la recompensă, am folosit în schimbmemorieavantajul unui dolar față de testele de dime (replicat atât în ​​probe comportamentale, cât și în eșantioane fMRI) ca măsură a diferențelor individuale înmemoriesensitivity to reward. The raw dollar minus dime difference scores ranged from −0.25 to 0.75 (median of 0.07) and were not significantly correlated with the overall accuracy (Fig. 3b), suggesting that reward modulation of memory affected which events are preferentially remembered rather than providing an overall memory advantage. Because the raw difference scores were skewed by an outlier (>3 SD de la medie), am folosit o ordine de clasare a acestor scoruri în toate analizele ulterioare atunci când am corelatmemoriesensibilitate la recompensă cu măsuri de conectivitate. Ne referim la scorul diferenței dolar-dime ca scor de modulare a recompensei comportamentale brute (BRM brut) și măsura de ordine de rang utilizată pentru toate analizele ulterioare ca scor de modulare a recompensei comportamentale (BRM).

În scopuri de vizualizare și analiză, am construit, de asemenea, o măsură dihotomizată a modulării recompenseimemoriefolosind o împărțire mediană a scorurilor BRM. Această abordare a creat două grupuri de participanți pe care le numim modulatori (sensibili la recompensă) și non-modulatori (insensibili la recompensă). Am efectuat analize de confirmare pentru a valida că împărțirea mediană a participanților a produs grupări sensibile. Figura 3c arată acuratețea de reamintire pe valoare, separat pentru fiecare grup. Nu a existat niciun efect al valorii recompensei în nonmodulatoare (ANOVA unidirecționalăF(1.15,12.7) = 1.36, p= 0.273, GG), cu scoruri brute BRM (diferență dolar-dime) nu diferă de zero (M= −0.02, t(11) = −0.98, p= 0.348), confirmând astamemorieperformanța în acest grup nu a fost afectată semnificativ de valoarea recompensei. În schimb, modulatorii au arătat un efect al valorii recompensei (ANOVA unidirecționalăF(1.18,13.01) = 8.69, p= 0.009, η2p= 0.44, GG), cu o acuratețe mai mare pentru testele în dolari decât pentru încercările pe dime (adică, scoruri BRM brute semnificative;M= 0.21; t(11) = 3.59, p= 0.004), și o precizie mai mare pentru testele în dolari decât pentru încercările penny (t(11) = 2.43, p= 0.033). Astfel, diviziunea mediană a generat două grupuri sensibile de participanți care diferă în ceea ce priveștememoriesensibilitate la recompensă.

ANOVA rezultate

Numai odihnă ANOVA—Am abordat mai întâi relația dintre conectivitatea de odihnă șimemoriesensibilitate la recompensă într-un ANOVA cu măsuri repetate cu perioadă de repaus (pre-codificare, post-codificare),memorieROI (hipocampus, PHC) și recompensă rentabilitatea investiției (ACC, midbrain, MPFC, OFC, VS) ca factori în cadrul subiecților și statutul de modulator ca factor între subiecți. Seriile de timp de repaus nu au fost filtrate cu trecere-jos pentru această analiză, deoarece o astfel de etapă de preprocesare nu este aplicată în mod obișnuit în timpul analizelor seriilor de timp de repaus, deoarece poate elimina fluctuațiile semnificative de frecvență înaltă. Toate conexiunile sunt prezentate în Fig. 4a, iar rezultatele complete ANOVA sunt raportate în Tabelul 1.

Starea modulatorului a fost marginal semnificativă (p= 0.051), cu modulatoare (M= 0.36, SD= 0.10), care demonstrează o conexiune la rețea hipocampus/PHC-recompensă numeric mai mare decât nemodulatoarele (M= 0.29, SD= 0.06). Starea modulatorului a interacționat semnificativ cu structura recompensei. Această interacțiune a fost determinată de o conexiune mai mare a hipocampului/PHC cu ACC, OFC și VS în modulatori decât nemodulatorii (toțit>2.15, toatep< 0.045),="" with="" no="" effect="" ofmodulator="" status="" in="" hippocampus/phc-midbrain="" and="" hippocampus/phc-mpfc="" connectivity="" (both="">t< 1.4,="">p>0.18). Când modularea recompenseimemoriea fost tratată ca măsură continuă folosind ANCOVA, rezultatele au fost similare, dar mai slabe. Efectul principal al BRM (r(22) = 0.35; F(1,22) = 3.12, p= 0.091, η2P= 0.12) a rămas puțin semnificativ, dar interacțiunea dintre structura recompensei și BRM nu a rămas (F(2.83,62.22) = 1.99, p= 0.128, GG).

ANOVA a dezvăluit în plus un efect principal al perioadei de odihnă, conectivitatea crescând de la pre-codificare (M= 0.30, SD= 0.10) la scanarea rest post-codificare (M= 0.36, SD= 0.11). Perioada de odihnă nu a interacționat cu starea modulatorului (p>0.6) sau BRM în ANCOVA (p>0.3), indicând faptul că, deși conectivitatea generală a crescut de la pre-codificare la post-codificare, relația sa cu comportamentul nu s-a schimbat semnificativ.